Pengklasteran Data Pelanggan Dari Aplikasi Mobile Untuk Penentuan Strategi Pemasaran Produk PLN

Abstract

Perkembangan teknologi dan internet memungkinkan pengguna bertransaksi melalui aplikasi seluler, termasuk pembayaran tagihan dan pembelian token listrik. Aplikasi PLN Mobile telah diunduh lebih dari 35 juta pengguna sejak 2016. Pertumbuhan pengguna juga meningkatkan riwayat transaksi listrik. Data tersebut belum dimanfaatkan oleh PLN UID Sulselrabar. Menariknya kinerja penjualan selama empat bulan terakhir menunjukkan adanya masalah di akhir tahun 2023. Penelitian ini menggunakan model Recency-Frequency-Monetary (RFM) dengan mengamati riwayat transaksi listrik selama satu tahun terakhir pada aplikasi PLN Mobile, untuk membantu perusahaan dalam menentukan strategi pemasaran efektif. Data dari Virtual Command Center PLN tanggal 11 Januari 2023 digunakan untuk memodelkan RFM dengan mengkategorikan dan mengevaluasi perilaku pelanggan berdasarkan tiga faktor: recency (jarak transaksi), frequency (jumlah transaksi), dan monetary (total nilai transaksi). Setelah itu, klaster-klaster akan diberi label berdasarkan karakteristik anggotanya dan strategi pemasaran akan ditentukan untuk setiap target pasar yang dipilih. Hasil analisis menunjukkan bahwa model RFM berguna untuk menganalisis perilaku pelanggan dan memberikan segmentasi yang bernilai bagi perusahaan. Terdapat 3 klaster yang dihasilkan, yaitu Dormant Customers, Typical Customers, dan ‘Everyday’ Shoppers. Berdasarkan model RFM, dipilih pendekatan Full Market Coverage dan Multiple Segment Specialization dalam menentukan target pasar. Hal ini memudahkan dalam merumuskan strategi pemasaran dalam upaya untuk meningkatkan kinerja penjualan perusahaan.